«La sécurité et le contrôle des banques sont dans notre ADN», a déclaré Anne Goujon, responsable du laboratoire de science des données chez BGL BNP Paribas, mercredi. Elle a expliqué que son outil de lutte contre la fraude par l’IA permettait de réduire les fausses alertes de 75% et d’augmenter les taux de détection à un niveau supérieur à 90%, «un processus de contrôle standard efficace».

BGL se concentre sur l’expérience client en utilisant des outils d’assistants virtuels, «une voie suivie par de nombreuses banques», a déclaré Mme Goujon. Elle a suggéré que la prochaine phase est d’avoir un système qui «comprend ce dont vous parlez, ce que vous voulez, quelle est votre intention... [et de les relier] avec toutes les différentes applications de la banque».

Christophe Atten, responsable de l’équipe de science des données à la caisse d’épargne publique Spuerkeess, a fait remarquer qu’elle utilisait l’IA depuis 2016 pour améliorer l’expérience client, ce qui a permis de fournir plus d’informations aux clients et d’offrir plus rapidement des services plus innovants. En 2018, le nouvel outil de la Spuerkeess a permis de catégoriser les transactions des clients. Par conséquent, le système pouvait proposer aux clients: «ce nouveau produit vous intéresse peut-être, nous pensons qu’il pourrait vous convenir». Selon lui, 85% des clients ont acheté l’un des trois premiers produits dans les jours qui ont suivi.

Pousser à l’assistance virtuelle

Les outils que la Spuerkeess utilise aujourd’hui en interne et pour ses clients ne sont plus seulement des chatbots, mais plutôt des assistants virtuels «pour faire les choses plus rapidement et les rendre plus simples», a déclaré Christophe Atten. Par exemple, un système d’IA aide la banque à traiter les prêts bancaires en quelques secondes selon certains critères, tandis que les cas complexes sont relayés à un agent. La formation du personnel est essentielle pour s’assurer «qu’il sait de quoi il parle et dans quelles circonstances on peut utiliser [l’IA]».

«Nous avons lancé un outil interne GenAI-ChatGPT appelé ‘one chat’, une coentreprise avec une start-up fintech», a déclaré Riadh Khodri, chef de cabinet chez Pictet au Luxembourg. Il a expliqué que le modèle interne, un assistant virtuel, utilise des données sécurisées. L’outil a été mis à la disposition des 5.000 employés de Pictet dans le monde, dont 800 au Luxembourg. L’objectif est d’améliorer leur travail quotidien dans «la gestion d’actifs, les services d’actifs, la gestion de patrimoine, la logistique, et j’en passe, partout».

Des moyens exploratoires pour mettre en œuvre l’IA

«Une personne centrale [responsable de la technologie] entre l’équipe de développement de l’apprentissage, les RH et les équipes de direction est fondamentale pour conduire les changements», a déclaré Riadh Khodri. Par exemple, un champion interne qui peut dire aux différents départements: «Nous avons cette démo, apportez un cas d’utilisation et organisons un atelier pour voir comment nous pouvons améliorer nos compétences avec cet outil.» Il a noté que la discussion a abouti à la présentation de nouveaux cas d’utilisation grâce à la créativité des employés et au fait qu’ils pouvaient voir la valeur ajoutée. Pictet a remarqué que les utilisateurs gagnaient une heure par semaine, alors qu’aujourd’hui ils en gagnent deux. «Une amélioration considérable de la productivité.

Christophe Atten pense qu’il s’agit avant tout d’une discussion entre l’entreprise et les experts en IA. «Nous savons comment utiliser leurs connaissances et les transformer... mais elles doivent d’abord expliquer ce qu’elles veulent faire... [les entreprises] arrivent souvent avec une idée, et elles quittent la pièce avec une autre idée.» Il s’agit ensuite d’établir des priorités.

Mme Goujon insiste sur le fait qu’il faut être très sélectif en ce qui concerne le cas d’utilisation transformateur. «Il faut choisir le [cas d’utilisation] qui apportera une [percée] technologique à partir de laquelle on pourra généraliser par la suite.»

Tirer parti de l’expérience

«Nous disposons désormais d’une bibliothèque de recherche partagée... [où l’on] peut trouver le recherche la mieux adaptée à son cas d’utilisation», a déclaré M. Khodri. Il a expliqué que Pictet disposait désormais d’une personne chargée de classer les messages-guides avec l’aide de GenAI.

En ce qui concerne les nouveaux cas, M. Khodri a indiqué qu’ils allaient jusqu’à demander à GenAI «comment faire». Il est intéressant de noter qu’il a exprimé le souhait de partager les meilleures pratiques à travers le centre financier étant donné leurs défis communs.

Défis en matière d’adoption

«Dans le passé, le défi de l’adoption était beaucoup plus présent qu’aujourd’hui», a déclaré M. Atten. Malgré de bonnes données statistiques à l’appui de leur modèle initial sur les ventes internes, Pictet a essuyé des refus car «il n’était pas bon à 100%».

Aujourd’hui, l’un des principaux défis consiste à garantir l’exactitude des données, malgré la grande quantité de données à traiter. «Elles [doivent] être correctes, car ensuite nos prédictions seront fausses», a déclaré M. Atten.

De l’intégration des systèmes existants à la nouvelle réglementation en matière d’IA

Après le défi de l’intégration de l’IA dans les systèmes existants des banques, M. Atten a indiqué que les nouveaux défis sont liés à la gouvernance dans le contexte de la prochaine «réglementation de l’UE sur l’IA», une évolution qui soulève des questions sur le retour sur investissement de l’IA compte tenu de la nécessité de se conformer à ces nouvelles règles.

Cet article a été rédigé par  en anglais, traduit et édité par Paperjam en français.